雪球词干：定义区域

Question

我正在尝试理解 snoball 词干算法。该算法使用两个区域 R1 和 R2，定义如下：

R1 是元音后第一个非元音之后的区域，或者是 如果没有这样的非元音，则词尾的空区域。

R2 是 R1 中元音之后的第一个非元音之后的区域，或 如果没有这样的词，则为词尾的空区域 非元音。

http://snowball.tartarus.org/texts/r1r2.html

例子是

    b   e   a   u   t   i   f   u   l
                      |<------------->|    R1
                              |<----->|    R2

   b   e   a   u   t   y
                     |<->|    R1
                       ->|<-  R2

   a   n   i   m   a   d   v   e   r   s   i   o   n
        |<----------------------------------------->|    R1
                |<--------------------------------->|    R2

   s   p   r   i   n   k   l   e   d
                     |<------------->|    R1
                                   ->|<-  R2

    e   u   c   h   a   r   i   s   t
            |<--------------------->|    R1
                        |<--------->|    R2

我的问题是，为什么 springkled 中的“kled”和圣餐中的“harist”被定义为 R1？我认为正确的结果应该是“inkled”和“arist”？

Answer 1

你应该再读一遍定义，上面写着：

R1 是第一个非元音在元音之后的区域。

不是：后跟元音。

在sprinkled中，元音后面的第一个非元音是n，所以后面的区域是kled。

eucharist同理，元音后面的第一个非元音是c，所以后面的区域是harist。